Julgue os itens subsequentes, relativos a mineração de dados.

A modelagem preditiva por regressão linear assume que existe uma relação linear entre as variáveis independentes e a variável-alvo, o que a torna adequada para qualquer tipo de dado, até mesmo séries temporais com sazonalidade acentuada e dados com relações altamente não lineares.

Julgue os itens subsequentes, relativos a mineração de dados.

Na detecção de anomalias, um ponto é considerado outlier não apenas por ter um valor absoluto extremo, mas também por apresentar um comportamento estatisticamente improvável em relação à distribuição dos demais dados, o que significa que um valor numericamente moderado pode ser uma anomalia, a depender do contexto e da distribuição da variável analisada.

Julgue os itens subsequentes, relativos a mineração de dados.

Na etapa de pré-processamento, a normalização e a padronização são técnicas distintas: a normalização muda a escala dos valores para um intervalo fixo (geralmente entre 0 e 1), enquanto a padronização transforma os dados para que tenham média zero e desvio padrão igual a 1, sendo esta segunda mais adequada quando os dados possuem outliers severos.

Julgue os itens subsequentes, relativos a mineração de dados.

A clusterização é uma técnica supervisionada de mineração de dados, pois depende de rótulos previamente definidos para agrupar os registros em clusters homogêneos, funcionando de forma similar à classificação.

Julgue os itens subsequentes, relativos a mineração de dados.

Em tarefas de classificação, ocorre overfitting quando o modelo aprende com excessiva precisão os padrões do conjunto de treinamento, incluindo o ruído, e, por isso, apresenta alta acurácia nos dados de treino, mas desempenho significativamente inferior em dados novos, evidenciando baixa capacidade de generalização.

Em relação a modelagem preditiva, aprendizado de máquina e mineração de texto, julgue os próximos itens.

As redes neurais artificiais são inspiradas no funcionamento do cérebro humano e organizam-se nas camadas de entrada, que recebe os dados brutos, ocultas (hidden layers), que extraem representações progressivamente mais abstratas, e de saída, que produz a predição final, de forma que o aumento indiscriminado de camadas sempre melhora o desempenho do modelo.

Em relação a modelagem preditiva, aprendizado de máquina e mineração de texto, julgue os próximos itens.

Em modelagem preditiva, os dados são divididos em conjuntos de treino, validação e teste: o conjunto de treino é utilizado para ajustar os parâmetros do modelo; o de validação, para comparar algoritmos diferentes, ajustar hiperparâmetros e decidir quando parar o treinamento; e o de teste, para estimar o desempenho real do modelo escolhido em dados completamente novos.

Em relação a modelagem preditiva, aprendizado de máquina e mineração de texto, julgue os próximos itens.

Na mineração de texto, a técnica TF-IDF (term frequency-inverse document frequency) atribui maior peso às palavras que aparecem com mais frequência em todos os documentos da coleção, pois, quanto mais uma palavra se repete no corpus inteiro, mais relevante ela é para distinguir o conteúdo de um documento específico.

Em relação a modelagem preditiva, aprendizado de máquina e mineração de texto, julgue os próximos itens.

O aprendizado supervisionado requer que os dados de treinamento sejam previamente rotulados com as respostas corretas, de maneira a permitir que o modelo aprenda a relação entre as variáveis de entrada e a variável-alvo; o aprendizado não supervisionado, por sua vez, busca padrões nos dados sem nenhuma indicação prévia de resultado esperado.

Em relação a modelagem preditiva, aprendizado de máquina e mineração de texto, julgue os próximos itens.

Em mineração de texto, a tokenização divide o texto em unidades menores (palavras ou frases), stopwords são palavras de alta frequência e baixo valor semântico, que são removidas, e stemming reduz as palavras à sua raiz morfológica, podendo gerar formas que não sejam palavras válidas no idioma.